Project

Functionele interpretatie van metabolomics en transcriptomics data

Bij verhoging van de kwaliteit en innovatie van de data analyse is de biologische interpretatie een belangrijk speerpunt. Het RIKILT strategisch plan geeft hoge prioriteit aan het uitbouwen van een RIKILT-positie op het gebied van toxicogenomics en het ontwikkelen van bioinformatics tools voor de integratie van complexe datasets.

Doelstellingen project

  1. Inspelen op de toekomstige ontwikkelingen in Next Generation Sequencing (NGS) voor mRNA expressie analyse voor toxicogenomics.
  2. Doorgaan met voortdurende uitbreiding van de databases en ontwikkelingen bijhouden voor nieuwe bioinformatica tools.
  3. NGS studies op de plant:  ontwikkelen van NGS data analyse tools ter ondersteuning van transcriptomics profilering voor het bestuderen van onbedoelde effecten van nieuwe (GG) plantproducten.
  4. Ontwikkelen van bioinformatica methoden voor NGS-gebaseerde multiplex detectie van GGO’s in diervoeders.
  5. Combinatie van metabolomics en transcriptomics op H295R bijnier-cellijn die blootgesteld is aan compounds die de steroid synthese beïnvloeden.

Plan van aanpak en tijdspad

  1. Inspelen op de toekomstige ontwikkelingen in Next Generation Sequencing (NGS) voor mRNA expressie analyse. Momenteel is NGS nog ±3x duurder dan microarrays. De verwachting is dat over twee jaar de prijzen ongeveer gelijk zullen worden. NGS levert dan extra voordelen zoals accurate aantallen van mRNAs en detectie van onbekende of veranderde mRNAs. In 2013 willen we een NGS experiment uitvoeren voor een blootstellings-experiment op een humane cellijn waarvoor eerder microarrays zijn uitgevoerd. De NGS resultaten worden met microarray data vergeleken.
  2. NGS-studies voor (1) veiligheidsanalyse van nieuwe GGO’s en (2) detectie, identificatie en kwantificering van GGO’s, en plantaardige- en dierlijke soorten in voeder- en levensmiddelen. Voor veiligheidsanalyse van nieuwe GGO’s staat het ontwikkelen van NGS data analyse tools ter ondersteuning van transcriptomics profilering voor het bestuderen van onbedoelde effecten van nieuwe (GG) plantproducten centraal. Doel van dit onderzoek is om tot verbeterde methoden te komen, ook bij meer complexe GGO’s, waardoor proefdierstudies voor het opsporen van ongewenste neveneffecten overbodig worden. Transcriptomics profilering zou een goed alternatief kunnen bieden, omdat het een holistische methode is om transcriptoom afwijkingen in GGO’s aan te tonen, maar deze is tot dusver onvoldoende onderzocht. Dit project maakt gebruik van datasets die in de afgelopen jaren zijn verzameld in het KB-project “wetgeving en veiligheid nieuwe ingrediënten”, en van de datasets die nu binnen het Europese GRACE-project worden gegenereerd. Hierbij zal een RNA-Seq analyse pipeline en classificatietool worden ontwikkeld om te testen of een gevonden profiel binnen de groep van profielen valt van variëteiten die commercieel verkrijgbaar zijn en als veilig worden beschouwd. Een nadere `pathway-analyse` kan een verdere indicatie geven van de achtergrond van risicovolle plantvariëteiten. Dit project is complementair met het FP7-project “GRACE (GMO Risk Assessment and Communication of Evidence)”.
    Voor de detectie, identificatie en kwantificatie van GGO’s, en plantaardige- en dierlijke soorten in voeder- en levensmiddelen worden bioinformatica methoden voor NGS-gebaseerde multiplex detectie van GGO’s in diervoeders ontwikkeld. Met behulp van NGS-data simulaties zal eerst bepaald worden welke NGS methode het meest geschikt is voor NGS-gebaseerde multiplex detectie. Met de komst van NGS is het mogelijk geworden om meerdere soorten en GGO’s tegelijk te identificeren met behulp van universele DNA barcodes. Zodoende kan de authenticiteit en traceerbaarheid van voedsel worden onderzocht met één enkele, snelle DNA test. Bovendien zal getest worden of NGS-gebaseerde multiplex detectie gebruikt kan worden als methode om kwantitatieve aanwezigheid van soorten en GGO’s te bepalen.
  3. Een systems biology studie op de H295R bijnier-cellijn die blootgesteld wordt aan compounds die de steroid synthese beïnvloeden waarbij een combinatie van metabolomics en transcriptomics wordt uitgevoerd.
  4. Doorgaan met voortdurende uitbreiding van de databases en ontwikkelingen bijhouden van nieuwe bioinformatica tools.
  5. Kennis en tools op gebied van bioinformatica verankeren in RIKILT werkwijzen en samenwerking in stand houden. Overdragen van bioinformatica tools aan collega‘s.

Resultaat (beoogd)

We willen in een periode van 3 jaar bereiken:

  1. Verbeterde transcriptomics analyse op basis van NGS analyse zowel voor dierlijke/humane cellen als plantenmateriaal.
  2. Data analyse tools voor NGS.
  3. Verbeterde detectie en risico-analyse van GGOs in planten mbv NGS.
  4. Een grote collectie aan transcriptomics data op basis waarvan de biologische interpretatie verder kan worden verbeterd.
  5. Biologische interpretatie en visualisatie tools.
  6. Tools voor System Biology waarbij data van verschillende omics technologiën, bv. metabolomics en transcriptomics, worden geïntegreerd.

Publicaties